Kung May Kagustuhan ang Big Tech, Narito ang mga Paraan na Ipinapakita ng Pananaliksik na Maaaring Magtrabaho ang Self-Regulation

Paulit-ulit na pinapanood ng mga pamahalaan at tagamasid sa buong mundo nagdulot ng mga pangamba tungkol sa kapangyarihang monopolyo ng mga malalaking kompanya ng teknolohiya at ang papel na ginagampanan ng mga kumpanya sa pagpapakalat ng maling impormasyon. Bilang tugon, sinubukan ng mga malalaking kumpanya ng teknolohiya na pigilan ang mga regulasyon sa pamamagitan ng kinokontrol ang kanilang mga sarili. Sa anunsyo ng Facebook na ang Ang Lupon ng mga Tagapangasiwa ay gagawa ng desisyon Tungkol sa kung maibabalik ba ni dating Pangulong Donald Trump ang access sa kanyang account matapos itong suspindihin ng kumpanya, ito at ang iba pang kilalang hakbang ng mga kumpanya ng teknolohiya upang matugunan ang maling impormasyon ay muling nagpasiklab ng debate tungkol sa kung ano ang dapat na hitsura ng responsableng self-regulation ng mga kumpanya ng teknolohiya. Ipinapakita ng pananaliksik ang tatlong pangunahing paraan kung paano maaaring gumana ang self-regulation sa social media: huwag unahin ang pakikipag-ugnayan, maling impormasyon sa label, at pag-verify ng katumpakan ng crowdsource.

Alisin ang prayoridad sa pakikipag-ugnayan

Ang mga plataporma ng social media ay ginawa para sa patuloy na interaksyon, at ang mga kumpanya ang nagdidisenyo ng mga algorithm na pumipili kung aling mga post ang nakikita ng mga tao upang mapanatiling aktibo ang kanilang mga gumagamit. Ipinapakita ng mga pag-aaral mas mabilis kumalat ang kasinungalingan kaysa sa katotohanan sa social media, kadalasan dahil natutuklasan ng mga tao mga balitang nagpapasigla ng mga emosyon upang maging mas nakakaengganyo, na siyang dahilan kung bakit mas malamang na babasahin, tutugon, at ibabahagi nila ang mga naturang balita. Ang epektong ito ay lalong lumalakas sa pamamagitan ng mga rekomendasyong algorithmic. Sarili kong gawa Ipinapakita nito na mas madalas na nakikibahagi ang mga tao sa mga video sa YouTube tungkol sa diabetes kapag ang mga video ay hindi gaanong nagbibigay-kaalaman. Karamihan sa mga platform ng Big Tech gumagana rin nang walang mga gatekeeper o filter na namamahala sa mga tradisyunal na mapagkukunan ng balita at impormasyon. Ang kanilang malawak na koleksyon ng pino at detalyadong datos demograpiko bigyan sila ng kakayahang "microtarget" maliit na bilang ng mga gumagamitIto, kasama ang algorithmic amplification ng nilalaman na idinisenyo upang mapalakas ang pakikipag-ugnayan, ay maaaring magdulot ng maraming negatibong kahihinatnan para sa lipunan, kabilang ang digital na pagsugpo sa botante, ang pag-target sa mga minorya para sa maling impormasyon at diskriminasyong pag-target sa adAng pagbabawas ng prayoridad sa pakikipag-ugnayan sa mga rekomendasyon sa nilalaman ay dapat makabawas sa "epekto ng social media sa "butas ng kuneho", kung saan tinitingnan ng mga tao ang mga post nang post, video nang video. Ang disenyo ng algoritmo ng mga platform ng Big Tech inuuna ang bago at naka-microtarget na nilalaman, na nagtataguyod ng halos walang pigil na paglaganap ng maling impormasyon. Kamakailan ay ibinahagi ni Tim Cook, CEO ng Apple, ang problema: “Sa panahon ng laganap na disinformation at mga teorya ng sabwatan na ginagamitan ng mga algorithm, hindi na natin maaaring talikuran ang isang teorya ng teknolohiya na nagsasabing ang lahat ng pakikipag-ugnayan ay mabuting pakikipag-ugnayan – mas matagal mas mabuti – at lahat ay may layuning mangalap ng pinakamaraming datos hangga't maaari.”

Maling impormasyon tungkol sa label

Maaaring gumamit ang mga kompanya ng teknolohiya ng sistema ng paglalagay ng label sa nilalaman upang matukoy kung ang isang balita ay beripikado o hindi. Sa panahon ng eleksyon, inanunsyo ng Twitter ang isang patakaran sa integridad sibiko kung saan ang mga tweet na may label na pinagtatalunang o nakaliligaw ay hindi magiging inirerekomenda ng kanilang mga algorithmIpinapakita ng pananaliksik na epektibo ang paglalagay ng label. Iminumungkahi ng mga pag-aaral na paglalagay ng mga label sa mga post mula sa mga outlet ng media na kontrolado ng estado, tulad ng mula sa Russian media channel na RT, ay maaaring makapagpagaan sa mga epekto ng maling impormasyon. Sa isang eksperimento, kumuha ang mga mananaliksik ng mga hindi nagpapakilalang pansamantalang manggagawa lagyan ng label ang mga mapagkakatiwalaang postAng mga post ay kalaunan ay ipinakita sa Facebook na may mga label na nilagyan ng anotasyon ng mga crowdsource worker. Sa eksperimentong iyon, ang mga crowd worker mula sa iba't ibang political spectrum ay nagawang makilala ang pagkakaiba sa pagitan ng mga mainstream na mapagkukunan at mga hyperpartisan o pekeng mapagkukunan ng balita, na nagmumungkahi na ang mga tao ay kadalasang mahusay na nakakapagsabi ng pagkakaiba sa pagitan ng tunay at pekeng balita. Napatunayan din ng mga eksperimento ang.. nagpapakita na ang mga indibidwal na may kaunting pagkakalantad sa mga mapagkukunan ng balita karaniwang nakakapag-iba sa pagitan ng tunay at pekeng balita. Iba pang mga eksperimento natuklasan na ang pagbibigay ng paalala tungkol sa katumpakan ng isang post nagpataas ng posibilidad na mas maraming tumpak na post ang ibinahagi ng mga kalahok kaysa sa mga hindi tumpak na post. Sa sarili kong trabaho, pinag-aralan ko kung paano ang mga kombinasyon ng mga human annotator, o content moderator, at mga algorithm ng artificial intelligence – ang tinutukoy bilang human-in-the-loop intelligence – maaaring gamitin upang uriin ang mga video na may kaugnayan sa pangangalagang pangkalusugan sa YouTubeBagama't hindi posible na ipapanood sa mga medikal na propesyonal ang bawat video sa YouTube tungkol sa diabetes, posible pa ring magkaroon ng paraan ng pag-uuri na "human-in-the-loop". Halimbawa, kami ng aking mga kasamahan ay kumuha ng mga eksperto sa paksa upang magbigay ng feedback sa mga algorithm ng AI, na nagreresulta sa mas mahusay na pagtatasa ng nilalaman ng mga post at video. Gumamit na ang mga kumpanya ng teknolohiya ng mga ganitong pamamaraan. Gumagamit ang Facebook ng kombinasyon ng mga fact-checker at mga algorithm sa pagtuklas ng pagkakatulad upang suriin ang mga maling impormasyon na may kaugnayan sa COVID-19. Ang mga algorithm pagtuklas ng mga duplikasyon at pagsasara ng mga kopya ng mga nakaliligaw na post.

Pagpapatupad na nakabatay sa komunidad

Kamakailan ay inanunsyo ng Twitter na ito ay paglulunsad ng isang forum ng komunidad, ang Birdwatch, upang labanan ang maling impormasyon. Bagama't hindi pa nagbibigay ang Twitter ng mga detalye kung paano ito ipapatupad, isang mekanismo ng pag-verify na nakabatay sa karamihan ang nagdaragdag mga boto na pataas o boto na paubos sa mga nagte-trend na post at paggamit mga algorithm ng newsfeed para pababain ang ranggo ng nilalaman mula sa mga hindi mapagkakatiwalaang mapagkukunan ay maaaring makatulong na mabawasan ang maling impormasyon. Ang pangunahing ideya ay katulad ng Sistema ng kontribusyon sa nilalaman ng Wikipedia, kung saan inuuri ng mga boluntaryo kung ang mga nagte-trend na post ay totoo o peke. Ang hamon ay ang pagpigil sa mga tao na bumoto ng mga kawili-wili at nakakahimok ngunit hindi na-verify na nilalaman, lalo na kapag mayroong mga sinasadyang pagsisikap na manipulahin ang pagbotoMaaaring paglaruan ng mga tao ang mga sistema sa pamamagitan ng koordinadong aksyon, tulad ng sa kamakailang Episode ng pagpaparami ng stock ng GameStopAng isa pang problema ay kung paano hihikayatin ang mga tao na kusang lumahok sa isang sama-samang pagsisikap tulad ng crowdsourced fake news detection. Gayunpaman, ang mga ganitong pagsisikap ay umaasa sa mga boluntaryo pagbibigay-diin sa katumpakan ng mga artikulo ng balita, katulad ng Wikipedia, at nangangailangan din ng partisipasyon ng mga organisasyong nagsusuri ng katotohanan ng ikatlong partido na maaaring gamitin upang matukoy kung ang isang balita ay nakaliligaw. Gayunpaman, kailangan ng isang modelong istilo-Wikipedia matatag na mekanismo ng pamamahala ng komunidad upang matiyak na ang mga indibidwal na boluntaryo ay sumusunod sa mga pare-parehong alituntunin kapag pinapatunayan at sinusuri nila ang mga post. Kamakailan ay in-update ng Wikipedia ang mga pamantayan ng komunidad nito partikular upang mapigilan ang pagkalat ng maling impormasyonKung kusang papayagan ba ng mga malalaking kumpanya ng teknolohiya na marepaso nang malinaw ang kanilang mga patakaran sa pagmo-moderate ng nilalaman ay ibang usapin naKunin ang aming pinakamagagandang kwento tungkol sa agham, kalusugan, at teknolohiya. Mag-sign up para sa newsletter sa agham ng The Conversation.]

Mga responsibilidad ng Big Tech

Sa huli, maaaring gamitin ng mga kompanya ng social media ang kombinasyon ng pagbabawas ng prayoridad sa pakikipag-ugnayan, pakikipagsosyo sa mga organisasyon ng balita, at AI at crowdsourced misinformation detection. Ang mga pamamaraang ito ay malamang na hindi gagana nang mag-isa at kailangang idisenyo upang magtulungan. Ang mga koordinadong aksyon na pinapadali ng social media ay maaaring makagambala sa lipunan, mula sa mga pamilihang pinansyal sa politikaAng mga plataporma ng teknolohiya ay gumaganap ng napakalaking papel sa paghubog ng opinyon ng publiko, na nangangahulugang mayroon silang responsibilidad sa publiko upang epektibong pamahalaan ang kanilang mga sarili. Ang mga panawagan para sa regulasyon ng gobyerno sa Big Tech ay lumalaki sa buong mundo, kabilang ang sa US, kung saan ipinakita ng isang kamakailang poll ng Gallup lumalalang saloobin patungo sa mga kompanya ng teknolohiya at mas malawak na suporta para sa regulasyon ng gobyerno. Ang Alemanya mga bagong batas sa pagmo-moderate ng nilalaman mas malaking responsibilidad ang itinataguyod ng mga kompanya ng teknolohiya para sa nilalamang ibinabahagi sa kanilang mga plataporma. Napakaraming mga regulasyon sa Europa naglalayong bawasan ang mga proteksyon sa pananagutan na tinatamasa ng mga platform na ito at mga iminungkahing regulasyon sa US na naglalayong muling buuin ang mga batas sa internet ay magdadala ng mas masusing pagsisiyasat sa mga patakaran sa moderasyon ng nilalaman ng mga kompanya ng teknolohiya. Malamang na sa US, may pagkakataon pa rin ang mga malalaking kompanya na magsagawa ng responsableng regulasyon sa sarili – bago pa mapilitan ang mga kompanya na kumilos ng mga mambabatas. Anjana Susarla, Omura-Saxena Propesor ng Responsableng AI, Pamantasang Pang-estado ng Michigan Ang artikulong ito ay muling inilathala mula sa Ang Usapan sa ilalim ng lisensyang Creative Commons. Basahin ang orihinal na artikulo.